OCR PDF
Извлекайте искомый текст из отсканированных документов.
Руководство и FAQ
Об этом инструменте
Превратите отсканированные PDF и документы только с изображениями в файлы с поиском и копированием — распознавайте текст в браузере с Tesseract.js, без отправки страниц в облачную OCR-ферму. Выберите языки, запустите распознавание локально и скачайте PDF со скрытым текстовым слоем, выровненным по видимому скану. Бесплатно, без аккаунта. Необходимо для архивных договоров, государственных форм и исследовательских PDF, где нужны Ctrl+F, копирование или последующая конвертация PDF в Word.
What you get
- Результат: PDF с невидимым текстовым слоем над каждой страницей — поиск и копирование работают в Acrobat, Preview и браузерах.
- Движок: Tesseract LSTM локально через WebAssembly — без стороннего OCR API по умолчанию.
- Языки: многоязычные пакеты комбинируются знаком + — точность зависит от обучающих данных для каждого письма.
- Внешний вид: страница остаётся сканом; OCR не перекладывает текст и не выравнивает наклонные поля автоматически.
- Рукопись: курсив и подписи обычно не распознаются или частично — лучше всего машинный текст.
- Ограничения: большие сканы в 300 dpi занимают время на старых ноутбуках; очень бледный текст или сильный шум снижают точность.
Когда использовать
- Сделать бумажный архив поисковым без отправки томов внешнему OCR-подрядчику.
- Подготовить отсканированные договоры к PDF в Word, когда цифрового текста нет.
- Включить копирование из государственных PDF, которые технически являются изображениями.
- Индексировать пакеты со встреч, отсканированные с печати, для внутренней базы знаний.
Why JoyPDF for this
Облачные OCR-сервисы загружают каждую страницу — включая подписи, номера счетов и секретные абзацы — для удалённого распознавания. OCR JoyPDF полностью в браузере: пиксели и распознанные строки остаются на устройстве во время обработки. Вы явно выбираете языки вместо того, чтобы сервер угадывал. Это подходит для GDPR, адвокатской тайны и изолированных рабочих процессов, где исходящая передача документов запрещена.
Как использовать
- 1Добавьте отсканированный PDFПеретащите файл или выберите его на устройстве. Страницы загружаются локально — без серверной очереди OCR.
- 2Выберите языки OCRУкажите языки распознавания — например, английский, русский или комбинацию rus+eng для двуязычных сканов.
- 3Запустите распознаваниеJoyPDF обрабатывает каждую страницу на вашем устройстве; прогресс показывается постранично, потому что OCR нагружает процессор.
- 4Скачайте PDF с поискомСохраните файл после OCR — визуально похож на скан, но с выделяемым и поисковым текстом под ним.
Частые вопросы
Какие языки поддерживает OCR JoyPDF?
JoyPDF использует языковые пакеты Tesseract, которые вы выбираете — распространённые латинские письменности (английский, русский, немецкий, французский, испанский и др.) и многие другие в зависимости от доступных traineddata. Комбинируйте языки знаком + для двуязычных документов, например rus+eng для русского текста с английскими заголовками. Неверный выбор языка даёт бессмысленное распознавание — подбирайте под документ, а не под язык интерфейса. Редкие письменности или смешанный вертикальный текст могут потребовать специализированного настольного OCR, если результаты JoyPDF слабые. Загруженные языковые данные попадают в сессию браузера; они не отправляются обратно с вашим PDF.
Насколько точен браузерный OCR по сравнению с Adobe?
Чистые офисные сканы в 200–300 dpi с горизонтальным машинным текстом часто дают высокую точность — достаточно для поиска и грубого копирования. Наклонные фото с телефона, печати поверх текста, таблицы с линиями и сноски снижают точность в любом движке. JoyPDF не превзойдёт человека, перепечатывающего критическую оговорку — всегда проверяйте юридические и медицинские строки. Облачный OCR Adobe может быть лучше на сложных макетах, но требует загрузки. Для внутреннего поиска по большим архивам локальный OCR обычно выигрывает по конфиденциальности. После скачивания на общем компьютере закройте вкладку и очистите папку загрузок согласно политике безопасности.
Изменит ли OCR визуальный вид моего PDF?
Изображение скана остаётся видимым слоем — OCR добавляет невидимый текстовый слой под ним для поиска и выделения. На странице не должно быть смены шрифтов, если программа чтения не подсвечивает OCR-текст. Размер файла может немного вырасти из-за встроенных текстовых потоков. Если нужен чистый перепечатанный документ, OCR и затем PDF в Word работают лучше, чем ожидание, что OCR визуально заменит скан. Редактирование после OCR требует Redact PDF — OCR не удаляет чувствительные пиксели. Проверьте вкладку Сеть в инструментах разработчика браузера: загружаются только ресурсы приложения, а не ваш документ. После скачивания на общем компьютере закройте вкладку и очистите папку загрузок согласно политике безопасности.
Загружается ли мой отсканированный PDF во время OCR?
Нет. Распознавание работает локально с Tesseract.js в WebAssembly. Изображения страниц обрабатываются в памяти устройства; серверы JoyPDF не получают байты документа для OCR. Языковые модели загружаются с CDN, как любая WASM-зависимость — не содержимое вашего документа. Проверьте сетевыми инструментами, если compliance требует доказательств. Закройте вкладку после экспорта на общих машинах, потому что результат OCR может содержать извлечённые персональные данные в текстовом слое. После скачивания на общем компьютере закройте вкладку и очистите папку загрузок согласно политике безопасности. Вся обработка выполняется локально в браузере - файл никогда не попадает на серверы JoyPDF.
Можно ли сначала OCR PDF, а затем конвертировать в Word?
Да — это распространённый pipeline. Отсканированные PDF не имеют структуры для PDF в Word, пока OCR не добавит текст. Сначала запустите OCR PDF для поискового текста, затем PDF в Word для редактируемых абзацев — или включите опцию OCR-first в PDF в Word, если доступна. Двойной OCR редко помогает. Для форм с флажками ожидайте ручной правки в Word. Если важен только поиск, достаточно одного OCR без конвертации в Word. Проверьте вкладку Сеть в инструментах разработчика браузера: загружаются только ресурсы приложения, а не ваш документ. После скачивания на общем компьютере закройте вкладку и очистите папку загрузок согласно политике безопасности.
Почему OCR на моём компьютере медленный?
OCR сильно нагружает процессор: каждая страница анализируется в разрешении, которое вы вложили в скан. Книга 300 dpi на 200 страниц может занять много минут на старом ноутбуке — это нормально, не ошибка. Закройте другие вкладки, чтобы освободить RAM. Разделите PDF и распознайте главы отдельно, если вкладка падает. Callbacks прогресса показывают статус постранично. Более быстрое оборудование помогает больше, чем повторные попытки. Ночная пакетная обработка на десктопе лучше, чем борьба с телефонным браузером для огромных архивов. После скачивания на общем компьютере закройте вкладку и очистите папку загрузок согласно политике безопасности.